Newest papers

Benchmarking Large Language Models for Detecting Satirical Code-Mixed Sentences

Răzvan-Alexandru Smădu, Ioana Buhnila, Daniela Tanase, Dumitru-Clementin Cercel, Florin Pop, Mihaela-Claudia Cercel · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29907 · open-access PDF

German

Code-Switching ist ein natürliches sprachliches Phänomen, aber seine Auswirkungen auf hochrangige Argumentationsaufgaben bleiben weitgehend unerforscht in unterressourcierten Sprachen wie Rumänisch. Natürliche Sprachverarbeitungsaufgaben, wie Satire-Erkennung, verlassen sich stark auf abwechslungsreiche kulturelle und synthetische Hinweise, die große Sprachmodelle zu erfassen kämpfen. In diesem Papier untersuchen wir vier Methoden (z. B. zufällige Substitution, Phrasenübersetzung, Abhängigkeitsanalyse und große Sprachmodelle) für die Erzeugung synthetischer Code-mischete rumänische Sätze mit Englisch, Deutsch, Französisch und Italienisch.

Machine translation (Meta M2M100); the English original follows.

Abstract

Code-switching is a natural linguistic phenomenon, yet its impact on high-level reasoning tasks remains largely unexplored in under-resourced languages like Romanian. Natural language processing tasks, such as satire detection, rely heavily on nuanced cultural and syntactic cues that large language models struggle to capture. In this paper, we investigate four methods (i.e., random replacement, phrase translation, dependency parsing, and large language models) for generating synthetic code-mixed Romanian sentences with English, German, French, and Italian. We start with an existing dataset for

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange